[发明专利]用于车辆的路径预测

权利要求书

1.一种用于预测车辆(1)的近期路径藉此提供相关输出控制信号的方法，所述方法包括：

-收集至少指示所述车辆的速度和横摆率的车辆驾驶数据，

-收集指示所述车辆附近目标存在(5,9,13,17)的传感器数据，

-收集指示所述车辆当前占据道路(3)上车行道的道路数据，

-接收指示用于所述车辆的期望驾驶动作的输入控制信号，

-预处理所述传感器数据和所述车辆驾驶数据藉此提供包括各个目标相对于所述车辆的先前位置的时间序列、所述目标的先前航向的时间序列以及每个目标相对于所述车辆的先前速度的时间序列的目标数据的集，

-在深度神经网络中处理所述目标数据、所述道路数据、所述车辆驾驶数据、所述控制信号和所述传感器数据以预测所述车辆的近期路径，

-基于深度神经网络中的所述处理提供预测路径输出以及根据所述预测路径执行驾驶动作的输出控制信号。

2.根据权利要求1所述的方法，包括：

-收集指示道路环境和合法道路特性的地图数据，

-在深度神经网络中处理所述地图数据以预测近期路径。

3.根据权利要求1或2所述的方法，进一步包括：

-对指示驾驶动作的输出控制信号执行安全检查；

-当批准所述驾驶动作时，在深度神经网络中处理所述输出控制信号连同更新的目标数据和更新的道路数据以便预测进一步的近期路径，

-基于深度神经网络中的所述处理提供更新的预测路径输出。

4.根据权利要求1或2所述的方法，包括：

-对所预测的近期路径执行安全检查，

-基于所述安全检查的结果执行所预测的近期路径。

5.根据权利要求1或2所述的方法，其中在深度神经网络中，所述传感器数据穿过卷积层以提供低维传感器数据图示，并且

所述目标数据和所述道路数据经过全连接层以提供低维目标数据图示和低维道路数据图示。

6.根据权利要求1或2所述的方法，其中在深度神经网络中，所述传感器数据、所述目标数据和所述道路数据穿过卷积层以提供相应的低维数据图示。

7.权利要求6所述的方法，其中通过附加层处理所述低维数据图示以预测输出的所述近期路径和所述输出控制信号。

8.根据权利要求1或2所述的方法，其中通过基于来自路上的人类驾驶员记录的目标值和路径的监督学习来训练深度神经网络。

9.根据权利要求1或2所述的方法，其中通过基于安全和自然驾驶的定义的无监督学习训练深度神经网络。

10.根据权利要求1或2所述的方法，其中所述时间序列包括来自先前的0到1秒、0到2秒、0到3秒、0到4秒或0到5秒的位置数据和速度数据。

11.一种用于预测车辆的近期路径藉此提供相关输出控制信号的系统(40)，所述系统包括：

外视传感器单元(41)，用于获取指示所述车辆(1)附近目标存在(5，9，13，17)的传感器数据以及用于捕获指示所述车辆当前占据道路上车行道的道路数据，

车辆传感器单元(42)，用于收集至少指示所述车辆的速度和横摆率的车辆驾驶数据，

安全控制模块(47)，用于提供指示车辆的期望驾驶动作的控制信号，以及

处理电路(43)，所述处理电路被配置为：

-预处理所述传感器数据和所述车辆驾驶数据藉此提供包括各个目标相对于所述车辆的先前位置的时间序列、目标先前航向的时间序列以及每个目标相对于所述车辆的先前速度的时间序列的目标数据的集，

-在深度神经网络中处理所述目标数据、所述道路数据、所述车辆驾驶数据、所述控制信号和所述传感器数据以预测所述车辆的近期路径，以及

-基于深度神经网络中的所述处理提供预测路径输出以及根据所述预测路径执行驾驶动作的输出控制信号。